机器之巅

第0节 机器学习与深度学习介绍

人工智能：能够感知、推理、行动和适应的程序机器学习：能够随着数据量的增加而不断改进性能的算法（数学上的可解释性但准确率不是百分百，灵活度不高）深度学习：机器学习的一个子集：利用多层神经网络从大量数据中进行学习
汉堡go·2025-03-08 01:34

Java为什么是跨平台的

Java代码编译后生成字节码(.class文件)，这些字节码并非直接由操作系统执行，而是由JVM解释或编译为特定平台的机器码。
xiao--xin·2025-03-08 01:31

JavaScript逆向爬虫教程-------基础篇之JavaScript混淆原理

目录一、常量的混淆原理1.1对象属性的两种访问方式1.2十六进制字符串1.3Unicode字符串1.4字符串的ASCII码混淆1.5字符串常量加密1.6数值常量加密二、增加JS逆向者的工作量2.1数组混淆2.2数组乱序2.3花指令2.4jsfuck三、代码执行流程的防护原理3.1流程平坦化3.2逗号表达式混淆四、其他代码防护方案4.1eval加密4.2内存爆破4.3检测代码是否格式化一、常量的混淆
zru_9602·2025-03-08 01:00

信息管理之创新的套路

海明威之桥：请不要在某一阶段的工作中耗尽全部精力，而应留出时间思考未来（写下下一步的想法，当前的状态，易
Linzerox·2025-03-08 01:00

awesome python 中文版 相见恨晚！(pythonNB的第三方资源库)

原文链接：Python资源大全内容包括：Web框架、网络爬虫、网络内容提取、模板引擎、数据库、数据可视化、图片处理、文本处理、自然语言处理、机器学习、日志、代码分析等。
weixin_30788731·2025-03-08 00:28

【机器学习】决策树 ( Decision Tree )

【机器学习】决策树(DecisionTree)文章目录【机器学习】决策树(DecisionTree)1.ID3(1)信息增益(2)ID3的算法流程(3)实现ID32.C4.53.CART(1)决策桩DecisionStump
AI天才研究院·2025-03-08 00:57

机器学习-随机森林解析

目录一、.随机森林的思想二、随机森林构建步骤1.自助采样2.特征随机选择3构建决策树4.集成预测三.随机森林的关键优势**(1)减少过拟合****(2)高效并行化****(3)特征重要性评估****(4)耐抗噪声**四.随机森林的优缺点优点缺点五.参数调优（以scikit-learn为例）波士顿房价预测一、.随机森林的思想1.通过组成多个弱学习器（决策树）形成一个学习器2.多样性增强：每颗决策树通
Mr终游·2025-03-08 00:21

玩转python：掌握Python数据结构之栈Stack

栈（Stack）是计算机科学中一种非常基础且重要的数据结构。它的特点是后进先出（LIFO，LastInFirstOut），就像我们生活中叠盘子一样，最后放上去的盘子总是最先被拿走。本文将用通俗易懂的语言和丰富的案例，带你轻松掌握栈的概念、实现和应用。什么是栈？栈是一种线性数据结构，它只允许在一端进行数据的插入和删除操作。这一端被称为栈顶（Top），另一端被称为栈底（Bottom）。栈的操作主要有两
千益·2025-03-07 23:19

深度学习笔记——基础部分

深度学习是一种机器学习的方式，通过模仿人脑吃力信息的方式，使用多层神经网络来学习数据的复杂模式和特征。
肆——·2025-03-07 23:45

分分钟搞定分布式技术专题面试——Nginx+ZK+ActiveMQ+Kafka+RabbitMQ+MongoDB+Redis！

前些日子听很多朋友说面试跪在分布式，所以今天特地来总结一波分布式技术专题面试，限流、通讯、缓存：01分布式限流：Nginx+ZooKeeper1.1分布式限流之Nginx请解释一下什么是Nginx?
独孤球球·2025-03-07 23:43

机器学习基础（4）

超越基于常识的基准除了不同的评估方法，还应该利用基于常识的基准。训练深度学习模型就好比在平行世界里按下发射火箭的按钮，你听不到也看不到。你无法观察流形学习过程，它发生在数千维空间中，即使投影到三维空间中，你也无法解释它。唯一的反馈信号就是验证指标，就像隐形火箭的高度计。特别重要的是，我们需要知道火箭是否离开了地面。发射地点的海拔高度是多少？模型似乎有15%的精度——这算是很好吗？在开始处理一个数据
yyc_audio·2025-03-07 23:42

算法系列之数据结构-二叉搜索树

二叉查找树（BinarySearchTree，简称BST）是一种常用的数据结构，它能够高效地进行查找、插入和删除操作。二叉查找树的特点是，对于树中的每个节点，其左子树中的所有节点都小于该节点，而右子树中的所有节点都大于该节点。本文将介绍如何使用Java实现二叉查找树，并实现常见的操作。二叉搜索树BST二叉搜索树的核心思想和二分查找类似，都是基于分治思想，利用了有序性,通过比较和分治，将问题规模减半
修己xj·2025-03-07 23:41

算法系列之数据结构-Huffman树

在数据压缩领域，Huffman编码是一种经典的无损压缩算法，而Huffman树则是实现这种编码的关键数据结构。它以其高效性和简洁性被广泛应用于各种场景，从文件压缩到通信协议，都离不开Huffman树的身影。本文将深入探讨Huffman树的原理、构建过程以及其Java如何实现Huffman树。Huffman树的构建步骤Huffman树（哈夫曼树）又称最优二叉树，是一种带权路径长度最短的二叉树，常用于
修己xj·2025-03-07 23:41

人工智能之数学基础：对线性代数中逆矩阵的思考？

本文重点逆矩阵是线性代数中的一个重要概念，它在线性方程组、矩阵方程、动态系统、密码学、经济学和金融学以及计算机图形学等领域都有广泛的应用。通过了解逆矩阵的定义、性质、计算方法和应用，我们可以更好地理解和应用线性代数知识，解决各种实际问题。关于逆矩阵的思考现在我们有一个计算过程如上所示，我们知道矩阵的作用就是函数，向量a先经过矩阵1进行函数作用，然后再经过矩阵2函数作用最后可以得到输出向量c，这个过
每天五分钟玩转人工智能·2025-03-07 22:03

uniapp学习笔记之知识点大总结

文章目录一、uniapp介绍二、环境搭建2.1、利用HbuilderX初始化项目2.2、运行项目2.3、介绍项目目录和文件作用三、网络1、发起请求2、上传3、下载4、SocketTask1、SocketTask.onMessage(callback)2、SocketTask.send(object)3、SocketTask.close(object)4、SocketTask.onOpen(call
Qiuxuntao·2025-03-07 22:02

Java高频面试之集合-01

hello啊，各位观众姥爷们！！！本baby今天来报道了！哈哈哈哈哈嗝面试官：说说java的集合框架Java集合框架（JavaCollectionsFramework，JCF）是Java中用于存储、操作和管理数据结构的核心库。它提供了一组标准化的接口、实现类和算法，使得开发者能够高效地处理各种数据集合。1.集合框架的核心接口Java集合框架主要围绕以下几个核心接口构建：(1)Collection接
牛马baby·2025-03-07 21:29

机器学习｜决策树｜Gini指数和熵的区别｜简单示例

如是我闻：在决策树模型中，Gini指数和熵（Entropy）是用来计算节点纯度的两种方法。它们都是评估分裂点的好坏，以选择最佳的属性来分裂。让我们先来了解一下这两种方法的定义，然后通过一个简单的例子来讨论它们之间的区别。Gini指数Gini指数是一个衡量数据分布不均匀程度的指标。在决策树中，它用于评估数据集的不纯度。Gini指数越低，数据的纯度越高。其计算公式为：Gini=1−∑i=1npi2Gi
漂亮_大男孩·2025-03-07 21:56

00计算机视觉学习内容

计算机视觉（ComputerVision）开发需要掌握数学基础、编程语言、图像处理、机器学习、深度学习等多个方面的知识。
依旧阳光的老码农·2025-03-07 21:26

C语言【进阶篇】之结构体 —— 从基础声明到复杂应用的进阶之路

目录前言✍️结构体类型的声明结构体定义结构的特殊声明结构的自引用结构体内存对齐对齐规则为什么存在内存对齐修改默认对齐数结构体传参结构体实现位段什么是位段位段的内存分配位段的跨平台问题位段的应用位段使用的注意事项总结前言大家好！我是EnigmaCoder。本文收录于我的专栏C，感谢您的支持！在C语言编程体系里，结构体是整合不同类型数据的重要工具，它能够将多个相关数据组合为一个有机整体，显著提升数据处
EnigmaCoder·2025-03-07 20:45

01计算机视觉学习计划

计算机视觉系统学习计划（3-6个月）本计划按照数学→编程→图像处理→机器学习→深度学习→3D视觉→项目实战的顺序，确保从基础到高级，结合理论和实践。
依旧阳光的老码农·2025-03-07 20:15

决策树 vs 神经网络：何时使用？

4.结合使用的可能性5.总结在机器学习领域，决策树（DecisionTrees）和神经网络（NeuralNetworks）是两种常见但风格截然不同的算法。
HP-Succinum·2025-03-07 20:14

机器视觉3D线激光轮廓仪的精度为什么高

3D激光轮廓仪的高精度源于其硬件设计、光学系统、软件算法及环境控制等多方面的协同优化，以下是具体原因的分点解析：激光光源的高性能单色性与方向性：激光具有极好的单色性和准直性，光束发散角小，能形成稳定的光斑，减少光路偏差。高稳定性：激光器输出功率和波长稳定，避免因光源波动导致的测量误差。短波长优势：部分激光采用短波长（如蓝光），可检测更微小的表面细节，提升分辨率。高分辨率传感器CMOS/CCD传感器
视觉人机器视觉·2025-03-07 20:09

Lucene初探之总体架构

从总体上来说，Lucene的可以被概括为三点：高效、可扩展的全文检索库；基于Java实现；支持对纯文本文件进行索引可搜索；Lucene的工作流程和架构如下所示：通过该图片，我们可以看出，Lucene的工作流程可以被分为两个部分：索引、搜索。我们可以将这些过程进行抽象组件化：通过上下两个图片的对比，基本上可以直观地了解各个组件的工作：Document代表被索引的各个分散的文档；IndexWirter
Derrick_gu·2025-03-07 19:38

使用 Dlib 库进行人脸检测和人脸识别

Dlib是一个广泛使用的C++库，提供了多种用于机器学习和计算机视觉的工具。它包含了人脸检测、人脸识别、物体检测、图像处理等功能。
萧鼎·2025-03-07 19:32

介绍常见的图片分类模型与算法

介绍常见的图片分类模型与算法在机器学习和深度学习的领域中，图片分类任务是一个广泛的应用场景。
萧鼎·2025-03-07 19:31

比亚迪智驾平权：全系标配高阶智能驾驶，开启全民智驾新时代

1.比亚迪的智驾平权战略比亚迪在2025年2月10日的智能化战略发布会上，正式宣布全系车型将搭载“天神之眼”高阶智能驾驶系统，标志着比亚迪在智能化领域的重大突破。
互联网Ai好者·2025-03-07 19:59

硅谷硬核Rasa课程、Rasa培训、Rasa面试系列之： Rasa 3.x Config

ModelConfiguration配置文件定义了模型根据用户输入进行预测的组件和策略。recipe键允许不同类型的配置和模型架构。目前，只支持“default.v1”。语言键和管道键指定模型用于进行NLU预测的组件。Policys键定义了模型用于预测下一个操作的策略。如果您不知道要选择哪些组件或策略，可以使用建议的配置功能，这将推荐合理的默认设置。SuggestedConfig您可以将管道或策略
StarSpaceNLP·2025-03-07 19:28

Spring AI 实战：手把手教你打造一个智能客服机器人！

前言：为什么要做一个智能客服机器人？在当今数字化时代，智能客服机器人已经成为企业提升用户体验和服务效率的重要工具。
Leaton Lee·2025-03-07 18:24

Kimball维度模型之数据仓库灵魂总线架构

目录一总线架构(BusArchitecture)1总线矩阵(BusMatrix)2Mapping文档二一致性维度(ConformedDimension)三一致性事实(ConformedFact)在数据仓库领域，深刻理解基本概念是确立强大数据管理体系的关键。数据仓库作为一个庞大而复杂的系统，其核心概念涉及多维体系结构、总线架构等关键要素。首要的是理解数据仓库的架构，例如Multidimensiona
ByteCodeLabs·2025-03-07 18:22

【ESP32接入国产大模型之豆包】

【ESP32接入国产大模型之豆包】1.豆包大模型1.1了解豆包api1.2Http接口鉴权1.3.接口参数说明1.3.1请求体(request)参数1.3.2返回(response)参数1.3.3错误响应
2345VOR·2025-03-07 18:20

量化投资与算法交易

在过去几年里，人们普遍认为，算法交易和机器学习结合是未来股票、期货等金融产品的必然趋势。机器学习是由多个数据源（如财务报表、交易历史数据、社交网络数据等）自动分析生成的模型，能够预测出股价
AI天才研究院·2025-03-07 17:08

江科大51单片机学习笔记之LED点阵屏

文章目录一、LED点阵屏介绍二、LED点阵屏工作原理三、74HC595四、实验1补充：C51的sfr、sbit1、位声明2、74HC595写入字节函数3、测试写入字节函数4、显示数据函数5、LED点阵屏显示笑脸（实验最终现象）四、实验21、点阵屏模块化2、利用文字取模软件生成图像数据3、保存图像数据4、主函数一、LED点阵屏介绍LED点阵屏由若干个独立的LED组成，LED以矩阵的形式排列，以灯珠亮
刘小橙666·2025-03-07 16:04

江科大51单片机学习笔记之蜂鸣器

文章目录一、蜂鸣器介绍二、常用驱动电路三、实验1、将所需的文件添加到工程中2、测试按键和数码管功能是否正常3、添加蜂鸣器功能4、模块化一、蜂鸣器介绍蜂鸣器是一种将电信号转换为声音信号的器件，常用来产生设备的按键音、报警音等提示信号蜂鸣器按驱动方式可分为有源蜂鸣器和无源蜂鸣器•有源蜂鸣器：内部自带振荡源，将正负极接上直流电压即可持续发声，频率固定•无源蜂鸣器：内部不带振荡源，需要控制器提供振荡脉冲才
刘小橙666·2025-03-07 16:04

QT输入窗口部件之QSlider（滑动条）

QSlider如果对您有用记得点赞哦）QSlider继承QAbstractSlider。QScrollBar类提供垂直或水平滑动条小部件，滑动条是用于控制有界值的典型小部件。它允许用户沿着水平或垂直凹槽移动滑块手柄，并将手柄的位置转换为合法范围内的整数值。例子创建水平和垂直滑动条，创建两个QSlider对象，一个是水平滑动条，另一个是垂直滑动条；用一个Label来显示当前水平或垂直滑动条当前的值。
点灯大神·2025-03-07 16:34

【2025年22期免费获取股票数据API接口】实例演示五种主流语言获取股票行情api接口之沪深A股历史成交分布数据获取实例演示及接口API说明文档

在近一至两年期间，股票量化分析逐步成为备受关注的热门议题。对于投身于该领域工作而言，首要步骤便是获取全面且精准的股票数据。无论是实时交易数据、历史交易记录、财务数据，亦或是基本面信息，这些数据均是开展量化分析过程中不可或缺的宝贵资源。我们的核心任务在于从这些数据中提炼出具有价值的信息，从而为投资策略提供坚实有力的指导。在数据探索进程中，我尝试运用了多种方法，涵盖自编网易股票页面爬虫程序、申万行业数
不会写代码的码农农·2025-03-07 16:33

Unity AI 技术浅析（二）

UnityAI涵盖了从智能代理（Agents）、机器学习（MachineLearning）到自然语言处理（NLP）等多个领域。
爱研究的小牛·2025-03-07 16:33

Paper Reading | AI & 数据库融合经典论文回顾

幸运的是，基于机器学习的技术可以缓解这个问题。另一方面，数据库技术可以优化AI模型（DB
·2025-03-07 16:14

2024年Python最新蓝桥杯 基础练习全解 答案+解析 共17题 python，三年经验Python开发面经总结

学习Python门槛很低，但它的晋级路线很多，通过它你能进入机器学习、数据挖掘、大数据，CS等更加高级的领域。
2401_84139963·2025-03-07 16:26

【数据挖掘】Pandas之DataFrame

在Pandas中，DataFrame提供了丰富的数据操作功能，包括查询、编辑、分类和汇总。1.数据查询（Filtering&Querying）1.1按索引或列名查询importpandasaspddata={"ID":[101,102,103,104,105],"Name":["Alice","Bob","Charlie","David","Eva"],"Age":[25,30,35,40,28]
dundunmm·2025-03-07 16:54

人工智能基础知识

首先分为两大类：一：机器视觉cv1.特征比较明显2.经典模型：cnn，resnet，deepface，yolov（1-12），vi-transformer。缺点：不能解决收听问题。
yzx991013·2025-03-07 16:24

机器学习——使用分类特征的一种独热编码，

在我们目前看到的例子中，每个特性只能具有两个可能的值中的一个，耳朵形状不是尖的就是软的，脸型不是圆就是不圆，胡须不是存在就是不存在，但是如果特性可以具有两个以上的离散值呢？如何使用一个热编码来解决这样的特性？下图是我们宠物收养中心申请的新培训集，所有的数据都是一样的，除了耳形特征有尖软之外还有椭圆形，所以这个特征仍然是一个分类值特征，但它可以有三个可能的值，而不仅仅是两个可能的值，这意味着当你在这
小卷心菜.·2025-03-07 16:23

解析Python网络爬虫：核心技术、Scrapy框架、分布式爬虫（期末重点题目）

第一章网络爬虫又称网页蜘蛛或（网络机器人）网络爬虫能够按照一定的（规则），自动请求万维网站并提取网络数据爬虫是手动请求万维网网站且提取网页数据的程序。（×）爬虫爬取的是网站后台的数据。
一口酪·2025-03-07 15:21

C#、C和C++的主要区别

C++将会直接被编译为机器代码，允许使用指针，需要手动组织管理内存。C#和C++的区别1、编译区别C＃代码首先会被编译为CLR（公共语言运行库），然后由.NET框架解析。
Sandyx007·2025-03-07 15:50

嵌入式开发之串行数据处理

前题前面几篇文章写了关于嵌入式软件开发时，关于串行数据处理的一些相关内容，有兴趣的可以看看《嵌入式开发：软件架构、驱动开发与串行数据处理》、《嵌入式软件开发之生产关系模型》和《嵌入式开发之Modbus-RTU
dreamczf·2025-03-07 15:46

【图像去噪】基础知识之加噪 | 给图像加噪的若干种方式，包括加高斯白噪声（AWGN）、泊松-高斯噪声、模拟真实噪声（SIDD、DND）等

请先看【专栏介绍文章】：【图像去噪（ImageDenoising）】关于【图像去噪】专栏的相关说明，包含适配人群、专栏简介、专栏亮点、阅读方法、定价理由、品质承诺、关于更新、去噪概述、文章目录、资料汇总、问题汇总（更新中）文章目录前言加高斯噪声（AWGN）在numpy上加在Tensor上加完整代码加其他噪声（模拟真实世界的噪声）加随机散粒噪声和真实噪声（Possion-Gaussian）加SIDD
十小大·2025-03-07 13:11

深度学习的数学之魂：传统机器学习的超越者

深度学习的数学之魂：传统机器学习的超越者前言第一部分：神经元的数学语言1.1神经元模型的启示1.2激活函数的非线性魔法第二部分：网络结构的层次之美2.1网络结构的多样性2.2层次结构的力量第三部分：图像的力量与直观理解
洋葱蚯蚓·2025-03-07 13:39

听说又来了个会“动手”的ai模型？

这名字听起来就很有力量感，它和之前那些大家常见的聊天型机器人可完全不是一个路子，Manus是一个AIAgent模型，也就是智能体模型。
gange574·2025-03-07 13:06

机器学习与深度学习里生成模型和判别模型的理解

两个模型是啥我们从几句话进入这两个概念：1、机器学习分为有监督的机器学习和无监督的机器学习；2、有监督的机器学习就是已知训练集数据的类别情况来训练分类器，无监督的机器学习就是不知道训练集的类别情况来训练分类器
程序员羊羊·2025-03-07 12:03

计算机视觉 vs 机器视觉 | 机器学习 vs 深度学习：核心差异与行业启示

一、计算机视觉（CV）与机器视觉（MV）：从学术研究到工业落地的分水岭1.定义与目标差异计算机视觉（CV）目标是赋予计算机类似人类的视觉理解能力，通过算法对图像或视频中的目标进行识别、跟踪和语义理解。
程序员Linc·2025-03-07 12:00

electron踩坑之安装报错 Electron uninstall

在启动一个electron项目前，pnpminstall了使用到的库，但在启动时，报错Electronuninstall尝试忽略的包内的脚步预下载设置,需要修改npm或者yarn的设置yarnconfigsetignore-scriptsfalse删除node_modules后运行pnpmstoreprune清除缓存后重新安装，仍然报错后来执行node.\node_modules\electron
王——小喵·2025-03-07 12:28
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他